基于Smith预估模糊PID复合控制器的研究

针对空调房间温度被控对象的大滞后大惯性,本文提出一种预估并联型模糊PID复合控制策略。根据偏差大小及时调整模糊和PID控制的比例,利用Smith预估器进行时间补偿控制,同时在模糊控制器上并联一个积分器以消除稳态误差。在模型匹配和失配情况下进行仿真研究,结果表明：该控制器不仅具有鲁棒性好、控制精度高以及响应速度快的特点,尤其在模型失配时具有良好的稳定性,而且对于大时滞系统是一种实用而简便的控制方法。     

提高直线电机运动柔顺性的变论域模糊PID控制方法

针对永磁同步直线电机中存在的非线性、时变性、强耦合性和外部负载不确定性等特点,提出一种变论域模糊PID控制方法,通过模糊控制在线调整论域伸缩因子,改变模糊PID控制论域大小,以有效避免函数型伸缩因子结构与参数难以确定等问题。利用Simulink对永磁同步直线电机控制系统进行仿真,比较传统PID、模糊PID与变论域模糊PID控制效果发现,变论域模糊PID控制具有更好的动态性能和较强的鲁棒性。     

PID神经网络控制在全自动多叶光栅中的应用

为满足全自动多叶光栅在Sliding工作模式下对光栅叶片的控制,要求具有很快的加速度和良好的动态性能以及很高的位置控制精度,提出了一种适用于该模式下的速度—位置双闭环电机控制模型,采用了神经网络与数字PID相融合的控制算法,并对该控制模型进行了仿真验证。实验表明:采用PID神经网络的速度—位置双闭控制具有很高的控制精度和良好的动态性能,能有效满足全自动多叶光栅Sliding工作模式的控制要求。     

电动助力转向系统的建模及其全工况控制

将电动助力转向系统模型、轮胎模型以及非线性整车模型联系起来,建立完整的汽车转向动力学模型。针对EPS转向、回正、阻尼三种不同的工况,采用自适应模煳PID扣PID控制算法对EPS分刺进行了助力、回正、阻尼控制。仿真结果表明：所设计酶动力特性比较好的解决了转向轻便性和路感的矛盾,回正控制改善了车辆低速对低速时正性,抵制了车辆高速时的回正超调现象,阻尼控制能够有效的抑制路面的高频干扰,提高了汽车高速直线行驶的稳定性。     

基于ARM和FPGA的雷达伺服控制器设计

高性能雷达伺服控制器是雷迭设计中的一个重要问题。在这篇文章中,采用ARM＋FPGA结构设计了一种高性能的雷达伺服控制器,设计了ARM的最小系统,在这基础上添加了必要的外围设备,包括UART、USB和以太网通信等构成能在上位机的控制下工作的嵌入式系统,简化硬件和软件设计,充分利用FPGA的硬件连接方式和ARM强大的运算和管理能力,使ARM和FPGA二者的优点相结合,兼顾速度和灵活性。实现模糊神经网络PID控制算法。实验仿真表明：该控制算法对系统具有良好的控制效果,在系统的动静态性能和鲁棒性均优于常规PID控制.     

基于一阶加纯滞后模型的纺织生产过程温控PI系统设计

温度控制系统工艺过程的多样性和纺织生产过程的不确定性,对系统温度控制提出更为严格的要求。本文基于一阶加纯滞后模型,采用可编程控制方法设计了优化的纺织生产过程温度PI闭环控制程序,并采用变频控制方式控制三级加热系统,在可编程控制器(PLC)内存中存储温度控制指令来调节纺织生产过程中的温度,并建立组态王界面与基于PLC S7-200之间的连接,以实现对纺织过程温度及其控制的在线监控。仿真结果表明:基于一阶加纯滞后的PI控制模型温度控制的响应时间比常规PID控制方式缩短了一半多,温度波动性较小,稳定性好,鲁棒性较强,可获得很好的纺织生产过程温度控制曲线,并成功地应用于实际纺织生产温控系统的完善和改造。     

一种新的模糊神经网络及其逼近性能

给出了一类折线模糊数间新的模糊算术，对于递增函数σ : R→R得到了一个新的扩展原理，并由此建立了一种新的模糊神经网络模型，该模型在设计学习算法、逼近能力等方面具有优越的性能. 最后证明了相应的前向三层网络可以作为连续递增模糊函数的通用逼近器.     

考虑温度影响的UH模型

首先分析了温度对饱和粘土力学特性的影响规律,基于真强度概念并结合潜在强度的确定方法推导出不同温度下饱和粘土临界状态应力比的理论计算公式;随之将温度作为变量引入到姚仰平等人提出的UH模型（采用统一硬化（Unified Hardening）参数建立的三维超固结土弹塑性本构模型）中,建立了能够考虑温度影响的UH模型;并根据姚仰平等人提出的变换应力方法,将模型简单地三维化.该模型继承并发展了UH模型,不仅能够描述某一恒温下超固结土的硬化、软化、剪胀等应力应变特性,而且能够反映由于升温引起的体积变化特性.与修正剑桥模型相比,所提出的模型仅增加了一个参数来反映粘土的前期固结压力随温度升高而降低的特性.在常温时此模型就退化成原始的UH模型,而在常温且无超固结时就退化为修正剑桥模型.模型的温度适用范围为介于孔隙水熔点与沸点之间的温度（例如本文所采用试验所涉及的介于适用范围内的温度20℃~95℃）.通过与已有的试验结果对比分析表明,模型能够较为合理地描述超固结土的基本力学特性.     

基于计算机仿真的心肌动脉血管网流固耦合仿真分析

针对运动员运动时易出现动脉、毛细血管损伤等现象,基于流体动力学、固体力学、计算机仿真技术和超弹性材料模型,利用有限元分析方法,建立了心肌动脉血管网流固耦合模型,并分析了心肌动脉及其支血管网内血液流动的速度场、压力分布以及由血液流动引起的血管受力变形等力学特征。基于心肌动脉血管网流固耦合模型,利用PID控制算法控制心肌动脉入口压力成功实现了血管内待测点血液流速的自动控制,并且此PID控制系统对血液流速的变化有很好的响应灵敏度。     

时滞离散智能系统的动态输出反馈镇定控制器综合的统一方法

提出标准神经网络模型（SNNM）来描述包含神经网络或T—S模糊模型的时滞（或非时滞）离散智能系统．SNNM由离散线性动力学系统和有界静态非线性算子连接而成．利用SNNM的全局渐近稳定性分析的结果，分别设计线性或非线性动态输出反馈控制器，使得SNNM的闭环系统稳定．控制方程可以表示为线性矩阵不等式（LMI）形式，便于利用各种凸优化算法求解以获得控制规律．大部分基于神经网络（或模糊模型）的时滞（或非时滞）离散智能系统都可以转化为SNNM，以便采用统一的方法来综合这些智能系统的控制器．SNNM的3个应用例子表明：SNNM不仅使得大多数基于神经网络（或模糊模型）的离散智能系统镇定控制器的综合简单易行，而且为其他类型的非线性系统的控制器综合提供新的思路．     

基于BPNN的电液伺服扭振试验机PID控制算法研究

弹性轴类零件液压伺服扭转振动试验概在实验过程中,由于系统非线性及负载变化或干扰因素的影响,其控制系统参数及数学模型易发生改变,导致控制效果变差。针对该试验机的控制系统,提出了基于BP神经网络（BPNN）的PID自适应控制算法。利用MATLAB／Simulink工具箱对该算法进行仿真实验。结果表明：结合了神经网络特点的智能PID控制器具有响应快、精度高、鲁棒性好和抗干扰能力强等优点,改善了控制系统的动态性能。     

基于模糊PID的数字控制在DC／DC变换器中的应用

针对DC／DC变换器这种非线性系统,提出了一种基于模糊PID的数字控制方法。该方法通过对输出电压的偏差及偏差变化率的识别,进行模糊推理,实现对PID控制器参数的在线调节。电流连续模式和断续模式下的Buck变换器仿真结果表明,该方法能有效减小系统的超调量,提高系统的响应速度,缩短系统的调节时间,增强控制系统的动态性能。     

分解式PID-模糊控制及其在ABS中的应用

为解决路面发生跃变时车轮抱死的问题,提出一种分解式PID模糊控制器（p-I-D Fuzzy）,并应用于ABS。建立模糊系统输出与输入的函数关系,结合PID表达式,理论分析表明该型控制器具有类似参数自适应整定PID的功能。分别在典型的高、中、低附着路面,以及跃变路面上进行仿真实验。结果表明这种控制器适应性强,在跃变路面下,超调量小,跟踪迅速。     

ABS模糊自适应控制器的设计与仿真研究

基于最佳滑移率的ABS自适应控制器要解决的问题有：在制动过程中，滑移率被稳定的控制在目标滑移率附近；自动识别道路附着状况，调整目标滑移率值以达到利用最大道路附着系数的自适应效果.本文在建立车辆单轮防抱死仿真系统的基础上，使用模糊控制，设计了一个基于最佳滑移率的复合式模糊自适应控制器。经ABS系统仿真实验表明，该控制器的控制稳定性、鲁棒性和自适应性均取得了良好的效果。     

具有通信受限的网络控制系统量化反馈控制

针对一类通信受限的网络控制系统,研究量化反馈控制器及动态调度策略的联合设计问题.考虑到介质访问约束和信号量化误差的影响,将网络控制系统建模为等价的离散时间切换系统;通过Lyapunov稳定理论推导出保证系统鲁棒稳定的模式及量化依赖型充分条件,并给出了量化反馈控制器的设计方法;在此基础上,设计了基于实时状态的动态通信调度策略,实现了网络控制系统的镇定控制.最后通过仿真示例验证了所提出方法的有效性.     

Multiple Hypothesis Testing of Market Risk Forecasting Models

Extending previous risk model backtesting literature, we construct multiple hypothesis testing (MHT) with the stationary bootstrap. We conduct multiple tests which control for the generalized confidence level and employ the bootstrap MHT to design multiple comparison testing. We consider absolute and relative predictive ability to test a range of competing risk models, focusing on value‐at‐risk and expected shortfall (ExS). In devising the test for the absolute predictive ability, we take the route of recent literature and construct balanced simultaneous confidence sets that control for the generalized family‐wise error rate, which is the joint probability of rejecting true hypotheses. We implement a step‐down method which increases the power of the MHT in isolating false discoveries. In testing for the ExS model predictive ability, we design a new simple test to draw inference about recursive model forecasting capability. In the second suite of statistical testing, we develop a novel device for measuring the relative predictive ability in the bootstrap MHT framework. The device, which we coin multiple comparison mapping, provides a statistically robust instrument designed to answer the question: ‘Which model is the best model?’ Copyright © 2016 John Wiley & Sons, Ltd.